Berkson ဘက်လိုက်မှု- အဓိပ္ပါယ် + ဥပမာ

Berkson ဘက်လိုက်မှုသည် နမူနာတစ်ခု၏ဒေတာတွင် အနုတ်လက္ခဏာဆက်နွယ်နေပုံပေါ်သော်လည်း မတူညီသောကိန်းရှင်နှစ်ခုသည် သုတေသနတွင်ဖြစ်ပေါ်သည့် ဘက်လိုက်မှုအမျိုးအစားတစ်ခုဖြစ်ပြီး အမှန်တကယ်အားဖြင့် စုစုပေါင်း လူဦးရေ တွင် အပြုသဘောဆက်စပ်နေပါသည်။

ဥပမာအားဖြင့်၊ တွမ်သည် ဒေသတွင်း စားသောက်ဆိုင်များတွင် ဟမ်ဘာဂါနှင့် မစ်ရှိတ်အရည်အသွေးတို့ကြား ဆက်နွယ်မှုကို လေ့လာလိုသည်ဆိုပါစို့။

၎င်းသည် ထွက်လာပြီး မတူညီသော စားသောက်ဆိုင် ခုနစ်ခုရှိ အောက်ပါအချက်အလက်များကို စုဆောင်းပါသည်။

၎င်းသည် ဒေတာများကို မြင်ယောင်နိုင်ရန် ဖြန့်ကျက်ကြံစည်မှုကို ဖန်တီးသည်-

ဤကိန်းရှင်နှစ်ခုကြားရှိ Pearson ဆက်စပ်ဆက်စပ်ကိန်း သည် -0.75 ဖြစ်သည်၊ ၎င်းသည် ပြင်းထန်သောအနုတ်လက္ခဏာဆက်စပ်မှုနှင့် သက်ဆိုင်သည်။

ဤရှာဖွေတွေ့ရှိမှုသည် Tom နှင့်ဆန့်ကျင်ဘက်ဖြစ်သည်- ဟမ်ဘာဂါကောင်းများပြုလုပ်သည့် စားသောက်ဆိုင်များသည် မစ်ရှိတ်ကောင်းကောင်းလုပ်သည်ဟု သူထင်လိမ့်မည်။

သို့သော်လည်း Tom သည် မကောင်းသောဘာဂါ နှင့် မကောင်းတဲ့ milkshake နှစ်မျိုးလုံးပြုလုပ်သည့် မြို့တွင်းရှိ စားသောက်ဆိုင်အားလုံးကို ရိုးရှင်းစွာ လျစ်လျူရှုလိုက်ကြောင်း ထွက်ပေါ်လာသည်။

အကယ်၍ သူသည် ဤစားသောက်ဆိုင်များသို့ သွားရောက်လည်ပတ်ခဲ့ပါက၊ သူသည် အောက်ပါ အချက်အလက်အစုံကို စုဆောင်းမိလိမ့်မည်-

ဤဒေတာအတွဲအတွက် ခွဲခြမ်းစိတ်ဖြာပုံသည် ဤအရာဖြစ်သည်-

ကိန်းရှင်နှစ်ခုကြားရှိ Pearson ဆက်စပ်ဆက်စပ်ကိန်း သည် 0.46 ဖြစ်လာသည်၊ ၎င်းသည် အတန်အသင့်အားကောင်းသော အပြုသဘောဆက်စပ်မှုကို ကိုယ်စားပြုသည်။

မြို့၏စားသောက်ဆိုင်များ၏ အစိတ်အပိုင်းတစ်ခုကိုသာ ဆန်းစစ်ကြည့်ခြင်းဖြင့်၊ တွမ်သည် ဘာဂါနှင့် မစ်ရှိတ်များ၏ အရည်အသွေးအကြား အနုတ်လက္ခဏာဆက်စပ်မှုရှိကြောင်း မှားယွင်းစွာ ကောက်ချက်ချခဲ့သည်။

တကယ်တော့၊ ဤကိန်းရှင်နှစ်ခုကြားတွင် အပြုသဘောဆောင်သော ဆက်ဆံရေးတစ်ခု (မျှော်လင့်ထားသည့်အတိုင်း) ရှိနေကြောင်း ထွက်ပေါ်လာသည်။ ဤသည်မှာ Berkson ၏ ဘက်လိုက်မှု၏ ဂန္တဝင် ဥပမာတစ်ခုဖြစ်သည်။

လက်တွေ့တွင် Berkson ဘက်လိုက်မှု ဖြစ်ပေါ်သည့် အခြားအခြေအနေများအတွက် အောက်ပါဥပမာများကို ကြည့်ပါ။

ဥပမာ 1- ကောလိပ်ဝင်ခွင့်များ

ကောလိပ်တစ်ခုသည် လုံလောက်သော GPA နှင့် ACT ရမှတ်မြင့်မားသော ကျောင်းသားများကိုသာ လက်ခံသည်ဟု ယူဆပါ။

ဤကိန်းရှင်နှစ်ခုသည် အပြုသဘောဆောင်သော ဆက်နွယ်မှုရှိကြောင်း ကောင်းစွာသိရှိထားသော်လည်း ကောလိပ်တစ်ခုသို့တက်ရန် ဆုံးဖြတ်သော ကျောင်းသားများတွင် ၎င်းတို့နှစ်ခုကြားတွင် အနုတ်လက္ခဏာဆက်စပ်မှုရှိပုံပေါ်သည်။

သို့သော်၊ GPA နှင့် ACT ရမှတ် မြင့် မားသော ကျောင်းသားများသည် အထက်တန်းစား တက္ကသိုလ်သို့ တက်ရောက်နိုင်ပြီး GPA နှင့် ACT ရမှတ် နည်းပါး သော ကျောင်းသားများကို လုံးဝ ဝင်ခွင့်မပြုသောကြောင့် ဤအနုတ်လက္ခဏာ ဆက်နွယ်မှု ဖြစ်ပေါ်ပါသည်။

ACT နှင့် GPA အကြားဆက်စပ်မှုသည်လူဦးရေအတွက်အပြုသဘောဖြစ်သော်လည်း၊ ဆက်စပ်မှုသည်နမူနာတွင်အနုတ်လက္ခဏာဖြစ်သည်။ ဤသည်မှာ Berkson ၏ အစိတ်အပိုင်းအပေါ် ဘက်လိုက်မှုတစ်ခုဖြစ်သည်။

ဥပမာ 2- Dating Preferences

လူတော်တော်များများဟာ ဆွဲဆောင်မှုရှိပြီး ကိုယ်ရည်ကိုယ်သွေးကောင်းတဲ့ လက်တွဲဖော်တွေကိုသာ ချိန်းတွေ့ကြပါလိမ့်မယ်။

လက်တွေ့ကမ္ဘာတွင်၊ ဤကိန်းရှင်နှစ်ခုကြားတွင် ဆက်နွှယ်မှုမရှိနိုင်သော်လည်း ချိန်းတွေ့ခြင်းရေကန်ကို ကျဉ်းမြောင်းသောအခါတွင်၊ တစ်ဦးချင်းစီသည် ဆွဲဆောင်မှုမရှိသော၊ ထူးချွန်သော အလားအလာရှိသော လုပ်ဖော်ကိုင်ဖက်များကို လုံးဝလျစ်လျူရှုထားနိုင်သည်။ ‘ကိုယ်ရည်ကိုယ်သွေးကောင်းတယ်။

ထို့ကြောင့်၊ အလားအလာရှိသော လုပ်ဖော်ကိုင်ဖက်များကြားတွင်၊ ဤကိန်းရှင်နှစ်ခုကြားတွင် အနုတ်လက္ခဏာဆောင်သော ဆက်စပ်မှုများ ရှိနေနိုင်သည်- ဆွဲဆောင်မှုအားကောင်းသူများသည် ပိုဆိုးသောကိုယ်ရည်ကိုယ်သွေးများရှိပြီး ပိုမိုကောင်းမွန်သောကိုယ်ရည်ကိုယ်သွေးရှိသူများသည် ဆွဲဆောင်မှုနည်းပုံရသည်။

လူဦးရေတွင် ဤကိန်းရှင်နှစ်ခုကြားတွင် ဆက်စပ်မှုမရှိသော်လည်း၊ ဖြစ်နိုင်ချေရှိသော မိတ်ဖက်နမူနာတွင် အနုတ်လက္ခဏာဆက်စပ်မှုရှိပုံပေါ်ပါသည်။ ဤသည်မှာ Berkson ၏ ဘက်လိုက်မှု၏ ရိုးရှင်းသော ကိစ္စဖြစ်သည်။

Berkson ဘက်လိုက်မှုကို ဘယ်လိုကာကွယ်မလဲ။

သုတေသနလေ့လာမှုများတွင် Berkson ဘက်လိုက်မှုကို ရှောင်ရှားရန် အထင်ရှားဆုံးနည်းလမ်းမှာ လူဦးရေထံမှ ရိုးရှင်းသောကျပန်းနမူနာကို စုဆောင်းရန်ဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ စိတ်ဝင်စားသောလူဦးရေ၏အဖွဲ့ဝင်တစ်ဦးစီသည် နမူနာတွင်ပါဝင်ရန် တူညီသောအခွင့်အလမ်းရှိကြောင်း သေချာပါစေ။

ဥပမာအားဖြင့်၊ သင်သည် နိုင်ငံတစ်ခုတွင် ရောဂါပျံ့နှံ့မှုကို လေ့လာနေပါက၊ ဆေးရုံများတွင် အလွယ်တကူရောက်ရှိနိုင်သူများသာမက နိုင်ငံတစ်ဝှမ်းမှ လူတစ်ဦးချင်းစီ၏ နမူနာကို စုဆောင်းရန် လိုအပ်ပါသည်။

ရိုးရှင်းသောကျပန်းနမူနာကိုအသုံးပြုခြင်းဖြင့် သုတေသီများသည် ၎င်းတို့၏နမူနာသည် လူဦးရေကိုကိုယ်စားပြုမည့်အခွင့်အလမ်းကို တိုးမြှင့်နိုင်သည်၊ ဆိုလိုသည်မှာ ၎င်းတို့သည် ၎င်းတို့၏တွေ့ရှိချက်များကို နမူနာမှ အလုံးစုံလူဦးရေအထိ ယုံကြည်စိတ်ချစွာ ယေဘုယျဖော်ပြနိုင်သည်။